学习VGG笔记

笔记"/>

学习VGG笔记

文章目录

• 16~19层深的卷积神经网络VGGNet探索了卷积深度和性能的关系：深度一定程度上影响网络性能，能使错误率下降，拓展性，泛化性变好。
• VGGNet可以看成是加深版本的AlexNet，都是由卷积层、全连接层两大部分构成
• 大道至简，通篇使用3*3大小的小卷积核
• 相比AlexNet的3x3的池化核，VGG全部采用2x2的池化核。
• 通道数多，每层都进行了翻倍，最多到512个通道，AlexNet和ZFNet最多的通道是256
• 卷积层专注于扩大feature maps的通道数、池化层专注于缩小feature maps的宽和高，层数更深
• 模型的特征提取阶段是不断重复堆叠卷积层和池化层实现的，一共经过5次下采样，下采样方式为最大池化。注意：通过调整步长（strdie）和填充（padding），网络中的所有卷积操作都没有改变输入特征图的尺寸。
• 在最后的顶层设计中，经过三个全连接层实现对图片的分类操作。注意：由于全连接层的存在， 网络只能接收固定大小的图像尺寸。
• 两个3x3的卷积堆叠获得的感受野大小，相当一个5x5的卷积；而3个3x3卷积的堆叠获取到的感受野相当于一个7x7的卷积。这样可以增加非线性映射，也能很好地减少参数（例如7x7的参数为49个，而3个3x3的参数为27）
• 代码最好跟着敲一遍，虽然直接看都能理解，但是敲一遍也是对代码能力的一个培养
• VGGNet代码：

import torch.nn as nn
import torchclass VGG(nn.Module):def __init__(self, features, num_classes=1000, init_weights=False):super(VGG, self).__init__()self.features = featuresself.classifier = nn.Sequential(nn.Linear(512*7*7, 4096),nn.ReLU(True),nn.Dropout(p=0.5),nn.Linear(4096, 4096),nn.ReLU(True),nn.Dropout(p=0.5),nn.Linear(4096, num_classes))if init_weights:self._initialize_weights()def forward(self, x):# N x 3 x 224 x 224x = self.features(x)# N x 512 x 7 x 7x = torch.flatten(x, start_dim=1)# N x 512*7*7x = self.classifier(x)return xdef _initialize_weights(self):for m in self.modules():if isinstance(m, nn.Conv2d):# nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')nn.init.xavier_uniform_(m.weight)if m.bias is not None:nn.init.constant_(m.bias, 0)elif isinstance(m, nn.Linear):nn.init.xavier_uniform_(m.weight)# nn.init.normal_(m.weight, 0, 0.01)nn.init.constant_(m.bias, 0)def make_features(cfg: list):layers = []in_channels = 3for v in cfg:if v == "M":layers += [nn.MaxPool2d(kernel_size=2, stride=2)]else:conv2d = nn.Conv2d(in_channels, v, kernel_size=3, padding=1)layers += [conv2d, nn.ReLU(True)]in_channels = vreturn nn.Sequential(*layers)# vgg_tiny(VGG11), vgg_small(VGG13), vgg(VGG16), vgg_big(VGG19)
cfgs = {'vgg11': [64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],   'vgg13': [64, 64, 'M', 128, 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],'vgg16': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M', 512, 512, 512, 'M'],'vgg19': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 256, 'M', 512, 512, 512, 512, 'M', 512, 512, 512, 512, 'M'],
}def vgg11(num_classes): cfg = cfgs["vgg11"]model = VGG(make_features(cfg), num_classes=num_classes)return modeldef vgg13(num_classes):  cfg = cfgs["vgg13"]model = VGG(make_features(cfg), num_classes=num_classes)return modeldef vgg16(num_classes):  cfg = cfgs["vgg16"]model = VGG(make_features(cfg), num_classes=num_classes)return modeldef vgg19(num_classes):  cfg = cfgs['vgg19']model = VGG(make_features(cfg), num_classes=num_classes)return model

论文名称：Very deep convolutional networks for large-scale image recognition
论文下载链接：.1556.pdf%E3%80%82
pytorch代码实现：